顔認証と識別用テンプレートの適応

顔認識の性能評価は伝統的に1対1の認証に焦点を当て、画像ではLabeled Faces in the Wildデータセット、動画ではYouTubeFacesデータセットが広く利用されてきました。一方、最近公開されたIJB-A顔認識データセットは、被験者のメディア集合（画像や動画のセット）に対する1対多の顔識別と1対1の顔認証を統一して評価します。本論文では、テンプレート適応という転移学習の一形態について研究し、被験者のメディア集合に対して適用する方法を検討します。IJB-Aでの詳細な性能評価により、驚くべき結果が得られました。つまり、最も単純なテンプレート適応手法である深層畳み込みニューラルネットワーク特徴量とテンプレート固有の線形SVMを組み合わせた方法が、現行の最先端技術を大幅に上回ることが示されました。私たちはテンプレートサイズ、ネガティブセット構築、分類器融合の効果を研究し、テンプレート適応と計量学習、2Dおよび3Dアライメントとの比較を行いました。予想外の結論として、これらの他の手法がテンプレート適応と組み合わさると、IJB-Aにおいてテンプレートベースの顔認証と識別でほぼ同じ最高性能を達成することが明らかになりました。